通过膨胀网络与遮挡推理学习光流
计算机视觉与模式识别
2018-05-09 v1 多媒体
摘要
尽管近期在光流估计上已取得显著进展，多数估计方法（包括经典与深度学习方法）仍难以应对多尺度估计、实时计算和/或遮挡推理。本文中，我们将膨胀卷积与遮挡推理引入无监督光流估计以解决这些问题。膨胀卷积使我们的网络免于通过反卷积进行上采样及由此产生的网格状伪影。膨胀卷积还带来更小的内存占用，从而加速推理。遮挡推理防止我们的网络在训练期间因遮挡图像区域而学到错误形变。我们提出的方法在 KITTI 基准上优于最先进的无监督方法。我们还通过将该方法应用于视频中的动作识别来展示其泛化能力。
引用
@article{arxiv.1805.02733,
title = {Learning Optical Flow via Dilated Networks and Occlusion Reasoning},
author = {Yi Zhu and Shawn Newsam},
journal= {arXiv preprint arXiv:1805.02733},
year = {2018}
}
备注
Accepted at ICIP 2018